Özgür TOMAK, Temel KAYIKÇIOĞLU

Gerçek Zamanlı Aritmi Tespitinde Farklı Sınıflandırma Yöntemlerinin Karşılaştırılması

Tıptaki gelişmeler ve sağlık bilincinin artması sonucunda sağlık hizmeti için talep artmıştır. Ancak bunu karşılayacak yeterli insan kaynağı, cihaz ve sağlık kuruluşu bulunmamaktadır. Tele-tıp sayesinde bu ihtiyaç azaltılabilir. Özellikle kırsal bölgedeki kalp rahatsızlıklarına sahip hastalarının EKG sinyallerinin izlenmesi çok önemlidir. Bilgi teknolojisindeki gelişmeler, erken teşhis ve tanı için klinik karar destek sistemlerine önemli katkılar sağlamaya başlamıştır. Özellikler hjorth tanımlayıcılar, sinyalin yapay EKG sinyali ile korelasyonu, içkin kip işlevinden standart sapma, gücün aktiviteye oranı ve standart sapmadan oluşmaktadır. Farklı sınıflandırma yöntemleri bu özellikleri kullanarak karşılaştırılmıştır. Özellik çıkartma ve sınıflandırma için Matlab kullanıldı. Yöntemin performansı PhysioNet veri tabanından elde edilen kullanılan veriler üzerinde test edilmiştir.

Anahtar Kelimeler:

Elektrokardiyogram (EKG), Aritmi, Sınıflandırılma

Comparison of Different Classification Methods in Real Time Arrhythmia Detection

Developments in medicine and increased health awareness has increased demand for health care. However, there is not enough human resources, device, and health care organizations to cover it. This demand can be reduced through telemedicine. Especially the monitoring of the ECG signal of the patient with heart disorders in rural areas is very important. Developments in information technology starts to provide important contribution to the clinical decision support systems for early detection and diagnosis. Features are composed of hjorth descriptors, correlation of signal with an artificial ecg signal, standard deviation of intrinsic. mode function, ratio of power to activity and standard deviation. Different classification methods are compared using these features. Matlab is used for feature extraction and classification. The performance of the method is tested on data used obtained from the PhysioNet database.

Keywords:

Electrocardiogram (ECG), Arrhythmia, Classification,

PDF

___

Wootton, R., (2012). "Twenty years of telemedicine in chronic disease management – an evidence synthesis", J Telemed Telecare vol. 18 no. 4, 211-220
Debuseb, J., Lawleyb, M., Shibla, R., (2013). "Factors influencing decision support system acceptance", Decision Support Systems Volume 54, Issue 2, Pages 953–961
Cooman, T. D., Goovaerts, G., Huffel S. V., Varon, C., Widjaja, D., (2014). "Heart Beat Detection in Multimodal Data Using Signal Recognition and Beat Location Estimation", Computing in Cardiology 2014, (41), 257-260
Barner, K. E., Blanco-Velasco, M., Cruz-Roldan F., Godino-Llorente, J. I., (2010). "Nonlinear Trend Estimation of the Ventricular Repolarization Segment for T-Wave Alternans Detection ", IEEE Transactıons On Biomedical Engıneerıng, Vol. 57, No. 10
Hidayat, R., Nugroho H. A., Rizal, A., (2015). "Determining Lung Sound Characterization Using Hjorth Descriptor " International Conference on Control, Electronics, Renewable Energy and Communications (ICCEREC)
Backman, W., Bendel, D., Rakhit R., (2010). "The telecardiology revolution: improving the management of;cardiac disease in primary care", J R Soc Med 2010.103, 442-6
Hailey, D., Ohinmaa, A., Roine, R., (2004). "Published evidence on the success of telecardiology: a mixed .record." J Telemed Telecare 2004, 10 (Suppl 1), 36-8